🔧 AI Review (frontend): root cause fix — отключён reasoning

Root cause: DeepSeek-V4.1-Flash по умолчанию reasoning-модель.
6 из 9 паков в v9 упали в finish=length — весь бюджет ушёл в thinking.

Фиксы:
- reasoning: {enabled: False}
- Убран fallback на reasoning_content
- extract_json через raw_decode — спасаем обрезанные объекты
- В SYSTEM_PROMPT: 'Не думай вслух'

Ожидается: finish=stop на всех 9 паках.
This commit is contained in:
2026-09-25 19:31:45 +03:00
parent f1f77d7ab9
commit 1b38ac95ff
+64 -28
View File
@@ -9,6 +9,15 @@ Frontend слишком большой (1M+ символов) для одног
(21.09.2026) Первая версия для frontend — адаптация backend-скрипта.
(21.09.2026, вечер) Пак-подход: 4 пака (components, pages, core, admin).
(25.09.2026) Разбивка паков: 9 паков, MAX_OUTPUT_TOKENS=32000.
(25.09.2026, вечер) ФИКС root cause: DeepSeek-V4.1-Flash по умолчанию
думает (reasoning), и на сложных/больших паках весь max_tokens уходит
в thinking — content пустой, finish=length, находки теряются
(это видно по 6 из 9 паков в последнем прогоне).
→ reasoning выключен явно ("reasoning": {"enabled": False}).
→ fallback на reasoning_content убран (это была причина "Ошибка
парсинга JSON": туда попадал сырой текст рассуждений, а не JSON).
→ extract_json теперь спасает отдельные валидные находки, даже если
ответ всё же обрежется по max_tokens — вместо потери пака целиком.
"""
import json
@@ -30,9 +39,8 @@ GITEA_REPO = os.environ.get("GITEA_REPO", "Drobysh/filwordspl-frontend")
MODEL = "deepseek-ai/DeepSeek-V4.1-Flash"
# 🔧 ФИКС (25.09.2026): MAX_OUTPUT_TOKENS 12000 → 32000.
# DeepSeek V4.1 Flash поддерживает до 32k output — даём модели в 2.7× больше
# места, чтобы большие паки успевали выдать полный JSON без обрезки.
# DeepSeek V4.1 Flash поддерживает до 32k output — оставляем как есть,
# но теперь весь этот бюджет уходит в content, а не в thinking (см. ниже).
MAX_OUTPUT_TOKENS = 32000
# Что игнорировать при сборе кода
@@ -53,14 +61,8 @@ MIN_CONFIDENCE = 0.7
ALLOWED_SEVERITY = {"user_impact", "data_risk", "maintainability"}
# 🔧 НОВОЕ (21.09.2026): паки для frontend
# Каждый пак — отдельный запрос к модели. Файлы одного пака собираются в один текст.
# Если пак получается > 500K символов — модель может не успеть. В таком случае
# дроби ещё мельче (например, по подпапкам components/).
#
# 🔧 ФИКС (25.09.2026): разбивка паков на меньшие —
# DeepSeek V4.1 Flash обрезается на 12k токенов при больших паках.
# components (349k) → 3 пака, pages (401k) → 4 пака.
# Паки для frontend. Если пак получается > 500K символов — модель может
# не успеть, тогда дроби ещё мельче (например, по подпапкам components/).
PACKS = [
{
"name": "components_editors",
@@ -263,7 +265,7 @@ SYSTEM_PROMPT = """Ты — опытный техлид и ревьюер React
6. НЕ включай проблемы дизайна/стиля (отступы, цвета) — только функционал, безопасность, UX.
7. Если проблем нет — верни пустой массив: []
Отвечай ТОЛЬКО JSON, без markdown-обёрток.
Отвечай ТОЛЬКО JSON, без markdown-обёрток. Не думай вслух — сразу выдавай JSON-массив.
"""
@@ -317,6 +319,13 @@ def call_together(code: str, pack: dict) -> str:
],
"max_tokens": MAX_OUTPUT_TOKENS,
"temperature": 0.2,
# 🔧 ФИКС (25.09.2026, вечер): DeepSeek V4.1 Flash по умолчанию
# думает перед ответом. На сложных/больших паках весь
# max_tokens уходит в thinking, content остаётся пустым,
# finish_reason="length" — находки терялись целиком (6 из 9
# паков в последнем прогоне). Задаче нужна строгая экстракция,
# а не рассуждения, поэтому reasoning выключаем явно.
"reasoning": {"enabled": False},
},
timeout=300.0,
)
@@ -332,9 +341,12 @@ def call_together(code: str, pack: dict) -> str:
message = data["choices"][0]["message"]
result = message.get("content")
if not result:
result = message.get("reasoning_content")
if not result:
raise KeyError("пусто")
# 🔧 ФИКС (25.09.2026, вечер): fallback на reasoning_content
# убран. Он был источником "Ошибка парсинга JSON" — туда
# попадал сырой текст рассуждений модели, а не JSON, и
# extract_json пытался распарсить мусор. Теперь при пустом
# content просто считаем, что пак не дал результата.
raise KeyError("пусто (content отсутствует)")
except (KeyError, IndexError, TypeError) as e:
print(f" ❌ Формат ответа: {e}", file=sys.stderr)
return ""
@@ -345,6 +357,12 @@ def call_together(code: str, pack: dict) -> str:
f" ✅ Пак '{pack['name']}': вход={usage.get('prompt_tokens', 0)}, "
f"выход={usage.get('completion_tokens', 0)}, finish={finish}"
)
if finish == "length":
print(
f" ⚠️ Пак '{pack['name']}' всё равно обрезан по max_tokens — "
f"пробуем спасти то, что успело сгенериться",
file=sys.stderr,
)
return result
@@ -352,7 +370,14 @@ def call_together(code: str, pack: dict) -> str:
# ============ Парсинг и фильтрация JSON ============
def extract_json(text: str) -> list[dict]:
"""Извлекает JSON-массив из ответа модели."""
"""Извлекает находки из ответа модели.
🔧 ФИКС (25.09.2026, вечер): раньше при обрезанном (невалидном) JSON
весь пак терял ВСЕ находки — json.loads() падал на всём массиве
целиком. Теперь парсим объекты по одному (json.JSONDecoder.raw_decode)
и останавливаемся на первом, который не удалось распарсить — то есть
спасаем всё, что модель успела сгенерить до обрезки.
"""
if not text:
return []
text = text.strip()
@@ -361,22 +386,33 @@ def extract_json(text: str) -> list[dict]:
text = re.sub(r"\s*```$", "", text)
start = text.find("[")
end = text.rfind("]")
if start == -1 or end == -1 or end < start:
if start == -1:
print(f" ⚠️ Не найден JSON-массив. Первые 300 символов:\n{text[:300]}", file=sys.stderr)
return []
json_str = text[start:end + 1]
decoder = json.JSONDecoder()
idx, n = start + 1, len(text)
results: list[dict] = []
try:
parsed = json.loads(json_str)
if not isinstance(parsed, list):
print(f" ⚠️ JSON не массив, а {type(parsed).__name__}", file=sys.stderr)
return []
return parsed
except json.JSONDecodeError as e:
print(f" ⚠️ Ошибка парсинга JSON: {e}", file=sys.stderr)
return []
while idx < n:
while idx < n and text[idx] in " \t\n\r,":
idx += 1
if idx >= n or text[idx] == "]":
break
try:
obj, end = decoder.raw_decode(text, idx)
except json.JSONDecodeError:
# Дальше — обрезанный объект (ответ упёрся в max_tokens).
# Останавливаемся, но не теряем то, что уже успели распарсить.
break
if isinstance(obj, dict):
results.append(obj)
idx = end
if not results:
print(" ⚠️ Не удалось извлечь ни одной находки из ответа", file=sys.stderr)
return results
def validate_and_filter(findings: list[dict], files_map: dict[str, str]) -> tuple[list[dict], dict[str, int]]: